Perceiver IO: a scalable, fully-attentional model that works on any modality

DeepMind 推出 Perceiver IO，透過潛在空間技術解決 Transformer 高複雜度痛點，實現跨文字、圖像及音訊的通用多模態處理。

DeepMind 提出的 Perceiver IO 已正式整合至 Hugging Face。該模型透過引入「潛在瓶頸」與「輸出查詢」機制，成功將 Transformer 的二次方複雜度降至線性，使其能高效處理高維度的多模態數據（如圖像、音訊、3D 點雲）。Perceiver IO 不僅能接收任意輸入，還能靈活輸出各種結構的數據，是邁向通用 AI 架構的重要一步。

摘要由 AI 整理,以原文為準。